机器学习超越了深度学习。这一蓬勃发展的技术在ICLR（一个真正的以深度学习为中心的会议）上再次得到传播，SAP创新中心网络自豪地赞助了该会议。

国际学习表征会议（ICLR）被恰当地称为"深度学习会议"。简言之，深度学习是机器学习的一个分支领域，它处理的算法受大脑结构和功能的启发，称为人工神经网络。

ICLR是一个紧密联系的"让我们分享知识"场所，数据中国，涉及"非详尽的相关主题列表"，在这里你可以找到并审查最好的学术论文。如果你要找的是一个舒适，但高品质的技术聚集，ICLR是一个完美的地方交融。它提供了一个机会，以互动的方式与才华横溢的头脑交流和分享您的想法，同时讨论当前的前沿技术话题。

第五届国际海洋资源研讨会于2017年4月24日至26日在法国土伦的"海王星宫"举行。欧洲的中心位置吸引了上千名参与者。此外，这一事件的突出，引发了国际研究人员、开发人员、科学家等的兴趣。

简言之，SAP高级研究员塔西洛·克莱因（Tassilo Klein）表示，"ICLR的主要重点是在深度卷积神经网络的分析和设计中突出新的和有前途的实践，这些模型的初始化系统，以及从原始数据中学习这些框架的算法培训？

机器学习"已经彻底改变了消费者应用程序，现在也是彻底改变企业应用程序的时候了"，SAP的ML主管Markus Noga说。SAP正在大力投资机器学习，以使其所有业务应用程序智能化。作为其成为人工智能驱动的商业软件领域世界领先者的战略的一部分，web云服务器，SAP大力投资于ML/AI开发，并开展以深度学习为重点的赞助研究计划。例如，SAP在一些最重要的机器学习场所（如NIPS 2016、ICLR 2017）有很好的代表性，并将参加其他顶级会议（如O'Reilly AI 2017和CVPR 2017）。

ICLR的主题是最热门的研究课题。其中一个关键领域是图形分析，包括从社会网络分析到知识图形等一系列问题的分支和应用。

在SAP，我们在数据科学领域解决的许多问题都是以图形的形式出现的，即通过关系链接的一组元素。客户互动、ERP交易和招聘流程都是应用此类数据来增强当今业务运营方式的领域的例子。

SAP保持领先地位并推动这一领域研究的极限非常重要。为此，海淘客，SAP正与阿姆斯特丹大学合作，赞助两篇论文，并在ICLR的海报会议上获得认可。

Ivan Titov的"多智能体游戏中语言的出现：学习用符号序列进行交流"。本文介绍了一个有趣的设置，其中两个代理参与一个参考游戏，并从头开始，开发一个通信协议（语言）在这个游戏中取得成功所必需的。Thomas Kipf和Max Welling的论文："图卷积网络的半监督分类"使用了一种直接对图进行操作的convnet变体。他们直接使用神经网络模型对图形结构进行编码，并针对所有带有标签的节点在监督目标上进行训练。

我们作为SAP ML研究团队参与ICLR，对于获得未来最先进技术和当前人工智能趋势的优先权具有关键的战略价值。在这些趋势中，ICLR强调的最重要的趋势是：

生成性对抗网络（GANs）：当前先进的机器学习算法依赖于大量的注释数据（监督学习）。不幸的是，我们在世界上得到的大多数数据都是未加注释的。因此，好评返现图片，我们需要能够从记录中提取意义和模式而不需要监督（无监督学习）的算法。GANs由Ian Goodfello于2014年发明，目前是这类算法的旗舰，用于解决缺少注释数据的问题。Metalearning/优化：训练神经网络伴随着一个耗时的超参数搜索和结构设计过程。Metalearning带来了一种自动化的方法来处理这个问题，使我们的研究人员更有效率。强化学习：强化学习一直是人工智能（如AlphaGo）后期成功的核心。它们的能力最近被应用到业务用例中，比如能源消耗。它的存在是越来越无处不在的所有领域的ML。聊天机器人/会话系统：交互式会话系统将改变我们在各个级别与软件交互的方式。虽然系统在过去的几年里有所改进，服务器，但我们仍然没有一个能够从与人类的交互中学习的端到端系统。将机器学习应用到这些系统中，将开启一个聊天机器人和会话应用程序（从金融到客户服务）的新时代。Facebook人工智能研究（FAIR）团队提出了有趣的评估工具和概念，很快将提供给社区。

尽管在该领域取得了早期成功，但深度学习的能力和局限性可归因于过度使用的数据集，如MNIST和CIFAR等，研究界进行了合理的讨论。SAP将继续致力于解决研究中遇到的问题，这些问题需要几次突破才能取得成功。

SAP在2017年ICLR会议室的展位

希望ICLR会议不断营造出一种干练的氛围，吸引人才，成就盛事以分享知识而闻名。